麻省理工学院正在形成

麻省理工学院研究团队最近开发了一项基于视觉的技术，该技术仅需要摄像头来启用软件机器人和仿生机器人来确定运动和控制。预计这项新技术将大大降低机器人的研发成本，并且相关的研究结果已于6月25日在《自然》杂志上发表。尽管当前的工业机器人相对简单地模型和控制量，但由于其严格的结构，它们在面对狭窄或不均匀的土地时仅限于性能。尽管软机器人和仿生机器人对环境灵活性具有更大的好处，但它们通常需要大量的传感器和专门设计的空间模型。目前，麻省理工学院研究人员使用深度NA研究来解决此问题。新系统通过单个相机捕获了机器人的电影，并结合了称为“神经雅各布田（NJF）”的技术，以使机器人能够建立对自己的形态的理解通过视觉反馈的ND运动能力。研究人员使用多视角，2到3个小时的随机运动视频训练了各种机器人，并成功地允许神经网络重建三维机器人形状及其从单帧的图像中进行的运动范围。在许多试验中，包括气动软机器人，少物机器人（独立16度），3D打印机器人武器和低成本的罂粟机器人臂，系统的性能很好，实现以下性能： - 关节运动误差小于3度 - 指尖错误误差小于4 mm -ref -repair可能会更改环境变化。麻省理工学院助理教授Vincent Sizman说：“将视觉用作弹性感知的方法为在农业和建筑等非结构化环境中的机器人应用打开了一个新的窗口。”他进一步说，这种视觉反馈机制使系统能够开发自身运动的动态模型，并且仍然可以在难以操作的传统定位方法的情况下实现监督操作。